基于數據挖掘的零售業客戶關系管理

[摘要] 隨著信息化的推進，企業數據急速膨脹。運用數據挖掘技術提取數據背后隱藏的信息，使之為企業決策服務。本文分析了零售企業經營觀念的轉變，闡述了客戶關系管理的內涵及特征，介紹了數據挖掘的本質、算法，探討了數據挖掘技術在零售業客戶關系管理中的應用。

[關鍵詞] 經營觀念 客戶關系管理 數據挖掘

隨著市場經濟的深入發展和市場競爭的日益激烈，企業的管理者不再認為只要在產品或服務的質量、價格上做文章，就可以吸引大量的顧客。正如英國Safeway超市CIO邁克.溫曲所說：“運用傳統的方法—降低價位、擴充店面，以及增加商品種類，若想在競爭中取勝已經越來越困難了，”“大部分的競爭對手在價格，以及產品范圍方面都能和我們相匹敵。”同時，顧客的需求正在向多元化、復雜化、人性化的方向發展。企業如何能在競爭中立于不敗之地？企業必須以客戶為導向，了解每一位客戶的需求。于是客戶關系管理應運而生。條形碼技術、編碼系統、銷售管理系統、POS機等在零售業的應用普及，大量的商品銷售數據、庫存數據、客戶資料、店鋪資料信息為零售企業管理客戶關系提供了數據資料。運用數據挖掘技術，使得這些數據能夠幫助決策者進行分析、決策管理，從而促進商品的銷售，發現未知的商機，以獲取更多的利益。

一、零售企業經營觀念的轉變

以前，大多數零售企業一般都是從自己的角度出發來選擇自己的經營門類和方式。然而，隨著商品經濟的發展，許多商家也逐步認識到顧客和服務的重要性，從而慢慢地走向成熟和理智，經營觀念也慢慢發生了改變。以前是“我有這種商品，設法讓顧客適應、接受”，而現在則變為“我想為哪些人提供商品，如何才能吸引他們?！币虼?，分析顧客特征、保持顧客等就變得非常重要。

二、客戶關系管理的內涵及特征

客戶關系管理（Customer Relationship Management，CRM）是企業與客戶之間建立的管理雙方接觸活動的信息系統．它告訴企業誰是對它最有利的客戶．并激發其制定保留老客戶、吸引新客戶的市場戰略。網絡時代企業的客戶關系管理應該是利用現代信息技術手段．在企業與客戶之間建立的一種數字的、實時的、互動的管理交流系統。它是以實現組織長期穩定的效益和利潤為目的，通過提高產品性能，增強客戶服務，提高客戶支付價值和客戶滿意度，與客戶建立起長期、穩定相互信任的密切關系，從而達到提高效益和競爭優勢的目的。其特征一般可概括為：

1.個性化營銷服務和客戶服務。個性化營銷服務和客戶服務是指企業針對不同客戶的特殊需求采取相應的、有針對性的營銷策略和客戶服務策略。客戶關系管理通過記錄和分析企業每一次與客戶交往的數據，了解客戶的需求和對企業產品和服務的要求或建議。并不斷改進產品和服務，從而使客戶對企業的滿意度逐漸提高。

2.信息采集渠道的多樣化和集成化?？蛻絷P系管理基于的數據庫中的信息采集可以通過多種渠道進行，既包括傳統的面對面交談、電話接洽、傳真和信件交流渠道，也包括使用E—mail、呼叫中心和Web訪問記憶等新興的E—Communications。

3.客戶信息的集中式管理和共享。客戶關系管理對全部客戶信息采用數據庫集中存儲和管理，而數據庫的主要特點就是共享性。企業不同部門和不同人員與客戶接觸后產生的數據或經驗可以立即存儲到數據庫中，企業各部門人員可以實時共享。特別是客戶關系管理可將銷售、市場營銷和客戶服務信息在后臺無縫集成，并保持這些數據的一致性、完整性和連貫性，從而便于給客戶提供全方位的服務，提高客戶對企業產品和服務的滿意度。

4.商業智能化的數據分析和處理。面對海量的客戶及企業營銷、銷售和服務信息，需要一個具有高度商業智能的數據分析和處理系統。CRM將最佳的商業實踐與數據挖掘、個性化營銷，以及其他信息技術緊密結合在一起，通過充分挖掘客戶的商業行為個性和規律，來不斷尋找和拓展客戶的盈利點和盈利空間。

5.基于web平臺。隨著Intemet的發展，Web在企業與外部交流及交易方面廣泛使用，基于Web的客戶關系管理不僅可以通過Web直接與客戶進行銷售和服務，而且還可利用Web的電子商務優勢來進行自助服務、自助銷售、潛在客戶開發、時間登記、合同續定、服務請求及電話反饋等。這在時間和空問上極大地拓展了傳統的營銷、銷售和服務渠道，從而使企業收益機遇最大化。

三、數據挖掘技術

1.數據挖掘的本質。數據挖掘是從大量的數據中挖掘出隱含的、未知的、用戶可能感興趣的和對決策有潛在價值的知識和規則。這些規則蘊含了數據庫中一組對象之間的特定關系，揭示出一些有用的信息，可以為經營決策、市場策劃和金融預測等方面提供數據。

2.數據挖掘算法

(1)分類分析。分類是指將數據映射到預先定義好的群組或類。分類分析要求基于數據屬性值來定義類別，通常通過觀察已知所屬類別的數據的特征來描述類別。模式識別就是一種分類問題，輸入的模式根據它與預先定義好的類別的相似度，被劃分到某一類中去。分類的主要應用是對目標變量進行分類，用來進行預測。

(2)聚類分析。聚類是對物理的或抽象的樣本集合分組的過程。將數據對象分組成為多個類或簇，按照同一個簇中的對象之間較高相似度的原則進行劃分，不同簇的對象差別較大。與分類的不同之處在于聚類操作要劃分的類是事先預知的，類的形成完全是數據驅動的，是一種無指導的學習方法。

(3)關聯規則。關聯規則是描述數據庫中數據項之間存在的潛在關系的規則。關聯規則挖掘的目的就是希望發現事務數據庫中不同商品（項）之間的關聯，這些規則能夠反映顧客的購買行為模式，比如購買某一商品對購買其他商品的影響。

(4)時間序列分析。時間序列分析是通過對過去歷史行為的客觀記錄分析，揭示其內在的規律，完成預測未來行為等決策工作。它旨在從大量的時間序列中提取人們事先不知道的，但又是潛在有用的、與時間屬性相關的信息和知識，用于各種規則。

(5)回歸分析?；貧w是研究自變量與因變量之間關系的分析方法，其目的在于根據已知自變量來估計和預測因變量的總平均值。例如，企業的贏利與客戶數、客戶購買能力和銷售成本有著依存關系，通過對這一依存關系的分析，在已知有關客戶數、客戶購買能力和銷售成本的條件下，可以預測企業的平均盈利水平。

四、數據挖掘技術在零售業CRM中的應用

在零售業領域中，運用數據挖掘技術可以解決以下一些問題。

1.客戶購買模式識別。首先，運用聚類分析，從客戶檔案庫中發現不同的客戶群，并且用購買模式來刻畫不同的客戶群的特征。由于聚類所生成的簇是由一組數據對象的組合，這些對象與同一個簇中的對象很相似，與其他簇中的對象相異。將聚類分析運用于銷售業中，可以方便地得到商家的主客戶群，以便決策者根據主客戶群的特征做相應的訂貨、銷售、服務等決策。

2.設置商品布局。對某一商品的交易事務數據庫運用關聯規則挖掘，可能會產生大量的強規則出現。例如：abcdaddc…(a，b，c，d…均為商品)

從上可以看出，某些商品之間存在著復雜的關聯關系，即：買a商品時會同時買b商品，也同時會買d商品；買d商品時會來買c商品；買c商品時會同時買d商品；這樣，我們可以根據這些關聯關系對商品進行合理擺放，輔助商品布局決策的制定，設置最佳行走路線，從而提高銷售服務，使顧客滿意。

3.交叉銷售。交叉銷售是指向老客戶銷售新的產品或服務的過程。零售業和客戶之間的關系是一種持續不斷的發展關系。商家可以比較容易地得到關于老客戶比較豐富的信息，對于數據挖掘的準確性來說大量的數據是有很大幫助的。企業所掌握的客戶信息特別是以前購買行為的信息中，可能正包含著這個客戶決定他下一個購買行為的關鍵信息，甚至是決定性信息。這個時候數據挖掘可以幫助企業尋找到那些影響顧客購買行為的信息和因素，有助于識別顧客購買行為，改進服務質量，取得更高的顧客滿意程度，提高銷量。

4.趨勢分析。數據挖掘的一個重要的特征就是可以自動發現有用的趨勢和模型．通過對歷史數據的回歸分析，對商品品種和庫存的趨勢進行分析，以選定需要補充的商品，研究顧客購買趨勢，分析季節性購買模式，確定降價商品，并對其數量和運作做出反應，以獲得戰略優勢，把握商機。

5.顧客保持。我們可以用聚類（分類）和關聯分析，發現有價值、易流失的客戶群，有價值、穩定的客戶群，低價值、不穩定的客戶群和低價值、穩定的客戶群，從而采取不同的服務、推銷和價格策略來穩定有價值的顧客，轉化低價值的顧客，消除沒有價值的顧客。

五、結束語

與企業傳統的客戶關系管理方式相比，基于數據挖掘的客戶關系管理更有效，對客戶的認識更具有科學性和指導意義。企業在日常運作過程中，通過與客戶接觸積累了大量原始數據，雖然這些數據很多，有時甚至是海量的，但是利用這些數據挖掘出的有關客戶類型信息不僅對于管理老客戶，而且對于了解新客戶都有很大價值?；跀祿诰虻腃RM是對傳統企業管理思想的一個創新，充分體現了管理的科學性和藝術性。

本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。